Implementas Copilot y esperas la ola de productividad, pero en lugar de un avance ves un aumento del 300% de eventos de prevención de pérdida de datos. La suposición era que la IA encontraría nuestra generalidad, pero en realidad está encontrando nuestra deuda de permisos. El grupo de todos en tu entorno de SharePoint es actualmente el mayor agujero de seguridad de tu organización y actúa como una puerta abierta que nadie cerró porque los datos estaban enterrados. Ahora, esos datos son conversacionales. Tu estrategia actual etiquetada de sensibilidad no es un SCUD. Es un cementerio de datos que oculta información a quienes la necesitan, sin impedir que la IA muestre lo incorrecto a las personas equivocadas. Esta es la crisis de los hilos en la IA colaborativa. Hoy pasamos de la contención al contexto y salvaremos tu inversión en IA corrigiendo la mentira estructural en el núcleo de tu modelo de gobernanza de datos.

La paradoja de herencia. El fallo fundamental en la mayoría de implementaciones de IA es un malentendido sobre cómo piensa la máquina. Y aunque asumas que Copilot decide quién ve qué, en realidad no es así. Copilot es un espejo que hereda tu entropía organizacional existente, por lo que no crea nuevos excesos. Simplemente operacionaliza el acceso que ya otorgaste hace años. Piénsalo como el efecto de foco. Antes de la IA, el exceso de uso compartido era latente, como un archivo desordenado en un sótano, pero la IA lo hace visible a velocidad de máquina. Si un analista junior pide un resumen de cambios estratégicos y tu carpeta de fusiones está marcada como interna, la IA resumirá la fusión que aún no has anunciado. Esto no es una brecha, es una característica de tu propia arquitectura. La realidad es que la cobertura de etiquetado manual rara vez supera el 10% en una empresa promedio, porque llevamos una década pidiendo a los usuarios que etiqueten sus archivos y simplemente no lo han hecho.

Simplemente no lo han hecho. Confiamos en una mentalidad de configurar y olvidar para las etiquetas de sensibilidad. Asumiendo que si un archivo era público, lo sería para siempre. Pero los datos son fluidos, lo que significa que un documento público ayer podría contener una respuesta sensible hoy. Al confiar en etiquetas estáticas, creamos barreras invisibles a la inteligencia interdepartamental. Y una etiqueta confidencial en un plan podría impedir que el equipo de marketing vea una fecha necesaria para su trabajo. Esto crea un silo, y estos silos son la razón por la que tu vida parece menos un asistente y más un bibliotecario, con restricciones y me. Hemos construido un sistema basado en la premisa de que podemos clasificar el mundo una vez y olvidarnos, pero en un entorno colaborativo ese modelo fracasa. Si faltan las etiquetas, la IA ve demasiado y si están ahí, a menudo son demasiado rígidas, impidiendo que la IA conecte los puntos entre departamentos.

Actualmente vemos una brecha enorme entre lo que la alta dirección espera de la IA y lo que permite la arquitectura de datos. No puedes tener una IA de alto rendimiento si tus datos están atrapados en jerarquías de carpetas de los años 90. La paradoja de la herencia significa que la seguridad de tu IA depende solo del peor error de tu administrador de SharePoint de 2014. Debemos admitir que el enfoque actual de clasificación está fallando porque es estático, manual y trata los datos como un objeto a encerrar en lugar de un activo a utilizar. La mayoría de las organizaciones están atrapadas en un purgatorio piloto porque se dan cuenta seis semanas después de que sus permisos son un desastre. Intentan arreglarlo añadiendo más etiquetas, pero sumar etiquetas a un sistema roto solo crea más hilos y no resuelve el problema subyacente de visibilidad. El cambio que necesitamos no consiste en mejores etiquetas sino en mejor modo.

Nos hemos centrado en el qué, es decir, el archivo en sí, pero debemos empezar a centrarnos en el quién, el dónde y el por qué. El problema no es solo que falten etiquetas, es que las que tenemos son estáticas y no contemplan la realidad de cómo se trabaja hoy en día. Trabajo es dinámico, por lo que nuestra seguridad también debe ser dinámica. Si no corregimos esto, la IA seguirá alucinando porque consulta los datos incorrectos o, peor aún, dirá la verdad sobre datos que deberían haber estado ocultos. Para arreglar el ciclo de retrabajo, debemos analizar el modelo subyacente de cómo otorgamos el acceso. El alto costo del retrabajo Hablamos de las ganancias de productividad de la IA como si fueran una cifra bruta, vemos las nueve horas ahorradas al mes y asumimos que el trabajo está hecho. Pero la realidad es mucho más complicada porque actualmente, cerca del 40% del tiempo que tus empleados ahorran usando IA se pierde inmediatamente corrigiendo lo que la IA hizo mal.

Esta es la fricción oculta del Ciro. Cuando Copilot no tiene acceso a los datos buenos, al contrato finalizado, al presupuesto real o al plan de proyecto verificado, no se detiene. Adivina. Mira los datos oscuros que puede ver como un borrador antiguo de una carpeta compartida o un mensaje de chat especulativo y construye una respuesta basada en eso. El resultado es un ciclo de trabajo repetitivo que agota silenciosamente su retorno de inversión. Realmente podemos cuantificar esta deuda digital. Para sus empleados más destacados, los usuarios avanzados que más aprovechan estas herramientas, este trabajo repetitivo supone casi una semana y media perdida al año. Piénselo. Usted paga una licencia premium para ahorrar tiempo, pero como sus datos están aislados, su mejor personal pasa casi dos semanas completas simplemente auditando errores generados por máquinas. Básicamente actúan como correctores de estilo altamente pagados para un sistema que debía ser su copiloto.

Esto sucede porque una clasificación rígida crea un vacío. Si la IA tiene prohibido el acceso al sistema de registro por una etiqueta de confidencialidad obsoleta, llenará ese vacío con cualquier sistema conveniente que encuentre. En departamentos como Finanzas y Recursos Humanos, esto conduce a resultados que son erróneos pero convincentes. Un gerente financiero podría pedir un resumen del gasto trimestre. Si la exportación real del ERP está bloqueada, pero un borrador desordenado y sin clasificar está en un canal público de Teams, la IA resumirá ese borrador. El gerente pierde entonces 20 minutos buscando las discrepancias. Esta es la fricción entre la eficiencia bruta y el valor neto. Si tarda dos minutos en generar un informe, pero 20 minutos en verificar las cifras porque la IA no pudo ver la fuente de verdad, realmente no ha ganado nada. Solo ha trasladado el trabajo de la creación a la corrección.

Este trabajo repetitivo no es solo una molestia, es síntoma de un fallo estructural. Hemos pasado años creando silos de datos para proteger la información. Pero en la era de la IA generativa esos silos actúan como vendas. Cuando la IA está vendada, alucina. Intenta complacer al usuario conectando puntos que no deberían conectarse. Estamos viendo organizaciones donde la tasa de trabajo repetitivo es tan alta que los empleados empiezan a perder la confianza en la herramienta. Dejan de pedirle a la IA análisis complejos y vuelven a usarla solo para redactar correos básicos. En el momento en que eso sucede, su estrategia ha fracasado. Está pagando por un motor, pero solo usa los faros. Para reglar este ciclo de trabajo, debemos dejar de mirar a la IA y empezar a mirar la infraestructura. Los buenos datos existen. Las perspectivas brillantes están ahí, pero atrapadas tras un muro de permisos heredados y etiquetas estáticas diseñadas para un mundo donde los humanos hacían toda la búsqueda.

Debemos avanzar hacia un modelo donde la IA pueda ver lo que necesita exactamente cuando lo necesita sin comprometer la seguridad. Debemos analizar el modelo subyacente de cómo otorgamos acceso. Porque mientras la IA trabaje con un contexto parcial, ustedes trabajarán horas extra para corregir los resultados. Ese es un costo que ninguna organización puede darse el lujo de ignorar. Del confinamiento al contexto, debemos dejar de pensar en la seguridad como un muro. Durante décadas, la industria confía en un modelo de perímetro fortificado. O estabas dentro de la red o fuera de ella, pero ese mundo ya no existe. Hoy en día el perímetro es poroso. La gente trabaja desde casa, usa dispositivos no gestionados y colabora con proveedores externos. En este entorno, el viejo modelo de confinamiento, donde encierras datos en una carpeta y asumes que están seguros porque es privada, es una ilusión peligrosa.

Es una ilusión peligrosa. Es peligroso porque asume que la amenaza solo está afuera, pero la verdadera amenaza en la era de Copilot es la acumulación de permisos internos durante años. Necesitamos pasar de una estrategia de confinamiento a una estrategia de contexto. El viejo modelo estaba construido para eso. Asumía que la sensibilidad de un archivo era un atributo fijo. Etiquetabas el documento como confidencial y ese era el fin de la historia. Pero una entorno de IA colaborativa, esa etiqueta es demasiado simplista. No nos dice lo suficiente. No toma en cuenta a quién está preguntando qué dispositivo usa o dónde se encuentra. Ahora, ¿es por esto que vemos un cambio masivo hacia el control de acceso basado en datos o DAC? Esto no es solo una mejora técnica, es un cambio filosófico. Mueve el proceso de toma de decisiones desde el momento en que se crea el archivo hasta el milisegundo en que se solicitan los datos.

Es la diferencia entre una cerradora estática y un sensor inteligente. Para 2026, la industria exigirá un cambio hacia el control de acceso basado en atributos o ABAC. Esta es la base de la estructura de identidad moderna. En lugar de depender de una etiqueta estática única, ABAC evalúa una docena de señales de riesgo diferentes en tiempo real. Observe el rol del usuario claro, pero también la salud de su computadora portátil. Observe su ubicación física. Incluso observe su comportamiento. Si un usuario que normalmente solo accede a archivos de marketing le pide de repente a Copilot que resuma toda la base de datos de nómina desde una cafetería en otro país, el sistema en otro país, el sistema no debería mirar solo la etiqueta de sensibilidad. Debería observar el contexto y decir que no. Así es como pasamos de esta etiqueta a este archivo a debería este usuario ver estos datos ahora. Es un cambio sutil con implicaciones masivas.

Nos permite ser más permisivos cuando el riesgo es bajo y más restrictivos cuando el riesgo es alto. Rompe los hilos porque permite un acceso justo a tiempo. Si el equipo de marketing necesita ver esa fecha de lanzamiento altamente confidencial, el sistema puede otorgarles acceso temporal de solo lectura basado en el contexto de su proyecto actual, sin comprometer permanentemente la seguridad del archivo. Esta es la única forma de habilitar el tipo de inteligencia interdepartamental que promete la IA sin convertir su entorno en un acceso libre a los datos. El retorno de inversión de estos sistemas dinámicos ya está volviendo evidente. Las organizaciones que abandonan las etiquetas estáticas por un modelo consciente del contexto están viendo reducciones del 15% al 15% en sus primas de cibersegura. ¿Por qué? Porque las aseguradoras saben que las etiquetas estáticas son fáciles de eludir o ignorar.

Los sistemas dinámicos, por otro lado, son mucho más difíciles de explotar. ¿Proporcionan un nivel de verificación continua que los modelos estáticos simplemente no pueden igualar? ¿Reducen el radio de impacto de una cuenta comprometida porque el atacante no puede simplemente heredar años de permisos descuidados? Cada solicitud es una nueva evaluación. Cada interacción es una nueva oportunidad para verificar la confianza. Esto no es solo un cambio teórico para los arquitectos de TI. Es un requisito de supervivencia para la próxima ola de eAgentic. A medida que avanzamos hacia agentes que pueden realizar acciones en nuestro nombre, programar reuniones, mover dinero o actualizar registros, no podemos confiar en un modelo de seguridad de configurar y olvidar. Necesitamos un sistema que entienda la intención detrás de la acción. Necesitamos una seguridad tan inteligente como la IA que protege.

Esto nos lleva a la hoja de ruta técnica. Porque si bien la filosofía está cambiando, las herramientas para implementarla finalmente están llegando al ecosistema de Purview. En la hoja de ruta de Purview para 2026, el cambio hacia una inteligencia consciente del contexto finalmente aparece en la arquitectura real del ecosistema de Microsoft. Estamos superando la era en la que Purview era solo una herramienta para informes de cumplimiento y para 2026 ha evolucionado a un motor de diagnóstico en tiempo real. Uno de los cambios más significativos es el paso a diagnósticos siempre activos para la DLP de punto final. En el pasado, solucionar un fallo de política significaba una semana de idas y venidas entre TI y el usuario mientras intentaban reproducir un error que ocurre una vez. Ahora, esos registros de diagnóstico se almacenan localmente en el dispositivo en un formato seguro y comprimido durante 90 días.

Esto permite al sistema analizar exactamente por qué se bloqueó un archivo específico, por qué no se aplicó una etiqueta sin enviar nunca el conteo de etiquetas sin enviar nunca el contenido de confidencia al real. Es visibilidad local combinada con la aplicación global. Este poder de diagnóstico se está viendo amplificado por herramientas de explicación impulsadas por IA. Hemos alcanzado un nivel de complejidad donde los administradores humanos ya no puedan rastrear manualmente la diferencia entre una docena de políticas de pediferente. Cuando una política cambia, el sistema genera ahora un resumen en lenguaje natural para explicar exactamente qué se modificó y qué grupos de usuarios se ven afectados. También muestra cuál será el posible impacto en los flujos de trabajo colaborativos lo que reduce el riesgo de desviación de políticas. Esto ocurre cuando las reglas de seguridad se vuelven tan complejas que comienzan a bloquear el trabajo legítimo.

Estas herramientas permiten al equipo de seguridad actuar como facilitadores, en lugar de guardianes, al aclarar las reglas del juego en un lenguaje que la empresa realmente entiende. Una pieza fundamental de esta hoja de ruta es el papel de la búsqueda restringida de SharePoint o RCE. Este es el freno de emergencia para su implementación de IA. Le permite excluir explícitamente sitios de alto riesgo, como documentos de la Junta, datos de nómina o su estrategia legal, para que no se utilicen como base para coparlo. Antes incluso de tocar una etiqueta de confidencialidad, puede usar RCS para asegurarse de que la IA simplemente no puede ver los rincones más peligrosos de su inquilino. Es una capa fundamental de protección que reconoce que no todos los datos se crean de la misma manera. Esto le da el margen necesario para corregir su deuda de permisos sin tener que cerrar todo el experimento de IA.

También estamos viendo una expansión masiva en las capacidades de etiquetado automático. El objetivo para 2026 es ser seguro por defecto. Sus bibliotecas de SharePoint ya no son depósitos pasivos, ya que se están convirtiendo en participantes activos en su postura de seguridad. Cuando un archivo se carga en una biblioteca específica, la etiqueta predeterminada de esa biblioteca se aplica automáticamente al estar en reposo. Si ese archivo contiene tipos de información confidencial, el sistema ahora puede anular etiquetas manuales de menor prioridad. Esto cierra la brecha de cobertura que ha afectado a los sistemas manuales durante años. Asegura que incluso si un usuario olvida etiquetar un documento, la plataforma lo respalda. Es el paso de un sistema voluntario a una infraestructura automatizada obligatoria. Para gestionar esto a escala, confiamos cada vez más en la API de Graph para análisis de uso personalizados.

Ahora podemos mirar bajo el capó para ver exactamente qué departamento está amaislado. Si el equipo de I+.D. tiene una tasa de retrabajo del 90% porque se les impide ver las especificaciones de ingeniería, los datos lo mostrarán. Podemos identificar los cuellos de botella donde la clasificación rígida afecta la productividad y ajustar las políticas en tiempo real. Así es como pasamos de una postura de seguridad reactiva a una estrategia de gobernanza proactiva. Usamos datos para saber dónde está fallando el sistema en lugar de esperar a que un usuario se queje o que ocurra una brecha. Pero incluso con las mejores herramientas, la estrategia fracasa sin la alineación de los ejecutivos. Puede tener la configuración de Perview más avanzada al mundo, pero si sus líderes aún ven los datos como algo que debe acumularse, nunca obtendrá todo el valor de la guía. Esto nos lleva a un nuevo tipo de riesgo que está surgiendo desde la base.

Es un desafío que no proviene de hackers ni amenazas externas, sino de sus propios empleados intentando ser productivos. Necesitamos hablar sobre el dilema del desarrollador ciudadano. Dilema del desarrollador ciudadano. Actualmente estamos presenciando la mayor explosión de creación no regulada en la historia de la informática empresarial. Ahora hay más de un millón de activos de bajo código dentro del ecosistema de Microsoft. Hemos facultado a los empleados para crear sus propias aplicaciones, sus propios flujos y ahora sus propios agentes de IA. Pero este empoderamiento tiene un lado oscuro. Hemos pasado de la TI en la sombra a la IA en la sombra, donde usuarios no técnicos crean agentes complejos sobre datos desordenados y sin gobierno. Este es el riesgo de la proliferación de gente. Es lo que sucede cuando un coordinador de marketing crea un GPT personalizado en Copilot Studio para consultas de proveedores, pero sin querer conecta a ese agente a un sitio de SharePoint que contiene todos los contratos firmados por la empresa desde 2012.

Dilema es que simplemente no podemos desactivarlo. Si elimina la capacidad de las personas para resolver sus propios problemas, elimina la agilidad misma que se supone que la IA debe proporcionar. Su lugar debemos avanzar hacia un modelo de gobernanza por niveles. No todos los agentes se crean de la misma mano. Una herramienta de bajo código que ayuda a un individuo a resumir sus propios correos electrónicos usando conectores estándar de Teams. Es un activo de bajo riesgo que debería evitar un proceso de revisión exhaustivo. Pero si un agente accede a un sistema de registro como Dataverse o una base de datos SQL sensible, necesible, necesita un guardián. Debemos dejar de tratar al desarrollo ciudadano como una sola categoría y empezar a tratarlo como un espectro de riesgo. La industria está girando desde el antiguo concepto de desarrollo ciudadano hacia lo que ahora llamamos construcción personal aumentada por IA.

La diferencia es sutil pero crucial. En el viejo mundo el usuario es un desarrollador, pero en el nuevo mundo el usuario es un orquestador. Ellos dirigen a la IA para que construya la solución por ellos. Esto hace que las barreras de protección en Copilot Studio sean más importantes que el código min. Necesitamos implementar capas de moderación de contenido que eviten que estos agentes alucinen o filtren datos a través de ataques de inyección de prompts que el usuario ni siquiera sabía que eran posibles. Usted no dejaría que un pasante deberá no escribir a sus reglas de firewall, así que no deberíamos dejarles crear agentes que tengan acceso a lectura a toda la wiki corporativa. La solución es estructura. Necesitamos automatizar la aplicación de políticas de prevención de pérdida de datos dentro del entorno de bajo código. Si un usuario intenta conectar un agente de IA a una cuenta externa de Dropbox no gestionada, el sistema debe bloquearlo al instante.

Si intenta crear un bot que consulte una biblioteca marcada con una etiqueta de alta confidencialidad, el despliegue debe activar una revisión manual automática por parte del equipo de TI. Esto crea un camino para la innovación que seguro produce. Permite a los desarrolladores crear mientras asegura que los activos más sensibles de la organización permanezcan tras los muros conscientes del contexto que hemos discutido. Nos adentramos en una era donde cada empleado es un arquitecto potencial de inteligencia de la empresa. Esta es una ventaja competitiva masiva si se gestiona correctamente, pero una responsabilidad catastrófica si se deja al azar. El objetivo no es detener la expansión, sino gobernar el flujo. Debemos proporcionar a los desarrolladores ciudadanos plantillas preaprobadas y zonas seguras donde puedan experimentar sin arriesgar las joyas de la corona. Esto asegura que los agentes que crean sean una extensión de nuestra estrategia de gobernanza y no una excepción a la misma.

Esto nos lleva al obstáculo final que es lograr que la alta dirección trate el acceso como un activo estratégico. No se puede gobernar un millón de agentes desde el sótano. Se necesita alineación ejecutiva. Es hora de llevar la conversación de la sala de servidores a la sala de juntas. La estrategia de respaldo ejecutivo. La batalla técnica por la seguridad consciente del contexto se está ganando en el código, pero la estrategia aún se pierde en la sala de juntas. Durante años, la gestión de identidad y acceso se trató como un programa de fontanería. Era algo que los equipos del sótano debían manejar mientras el negocio se enfocaba en el crecimiento. En 2026, esa mentalidad es una responsabilidad. Debemos replantear toda la conversación porque la identidad ya no es solo un inicio de sesión. Es el plano de control central para la confianza digital. Si su liderazgo no entiende eso, su despliegue debe seguir haciendo una serie de experimentos costosos y desconectados.

Debemos dejar de presentar la seguridad como un centro de costos. En cambio, debemos presentarla como un facilitador de la decisión. La mayoría de los ejecutivos ven la seguridad como una serie de momentos donde se dice no, no, no puedes usar ese herramienta, no, no puedes compartir ese archivo, pero una estructura de identidad moderna se lo conté. Proporciona el sí que permite que el negocio se mueva más rápido. Cuando tienes una verificación continua y consciente del contexto, puedes integrar un nuevo socio en horas en lugar de semanas. Puedes dar a un consultor acceso exactamente a lo que necesita para un proyecto de tres días y luego ver cómo ese acceso desaparece automáticamente en el momento en que termina. Esto no se trata de restricción, se trata de agilidad. Se trata de crear un entorno donde las personas adecuadas puedan actuar sobre la información correcta sin la fricción de las aprobaciones manuales.

Podemos ver el costo de ignorar esto en el mercado de fusiones y adquisiciones. Existe una enorme brecha de madurez entre las organizaciones que han dominado la gobernanza de identidad y aquellas que aún dependen de modelos heredados estáticos. Cuando una empresa de alta madurez adquiere a un competidor, puede integrar a la nueva fuerza laboral en su ecosistema de IA en días, pero para las empresas con una mala higiene de identidad, esa integración se prolonga durante meses y este retraso drena valor mientras estanca las sinergias que la fusión debía crear. Una mala gobernanza de identidad es un golpe directo al valor tras la fusión. Es un lastre en el balance financiero que la mayoría de los directores ejecutivos aún ni siquiera han cuantificado. Por eso que la propuesta de un aumento del 5 al 20% en el presupuesto para la infraestructura de identidad no es una solicitud de mayor gasto en seguridad.

Es una inversión en infraestructura de crecimiento. Es el equivalente digital de construir una red ferroviaria de alta velocidad entre sus hilos de edad. Está pasando un perímetro reforzado que todos intentan evadir a un modelo

a la alta dirección que si quieren el aumento de productividad de 5 veces que promete la IA deben pagar por la base que la hace segura. Tiene que cambiar el enfoque de proteger los datos a gestionar el flujo de inteligencia. El cambio hacia un modelo consciente del contexto es la única forma de construir una empresa resiliente en la era de la IA agéntica. Permite a la organización escalar su inteligencia sin escalar su riesgo. Cuando la alta dirección trata el acceso como un activo estratégico toda la cultura de la empresa cambia. La seguridad se convierte en una responsabilidad compartida y los datos se transforman en un recurso líquido en lugar de un secreto acumulado. Es hora de dejar de mirar el costo de las herramientas y empezar a mirar el costo de la fricción porque en la era de la IA gana la empresa más rápida y no puede ser rápido si sus datos están atrapados en una mentira. Su mandato para 2026 es claro.

Debe auditar su deuda de permisos antes de escalar sus licencias de IA. La tecnología está lista pero su arquitectura probablemente no lo esté. El desafío para el próximo trimestre es implementar el etiquetado automático obligatorio y ejecutar una limpieza de sitios de 90 días para cerrar las brechas más obvias. Deja de acumular pisa el flujo. Si desea compartir su progreso en eliminación de siglos o discutir cómo su equipo está manejando el cambio hacia permisos conscientes del contexto conecte con Mirko Peters en LinkedIn. Construyamos un modo de inteligencia que realmente funcione. Suscríbase para más análisis profundo sobre el futuro del trabajo. Y ve Antengase build